Firefly: 大模型训练工具，支持训练Qwen2.5、Qwen2、Yi1.5、Phi-3、Llama3、Gemma、MiniCPM、Yi、Deepseek、Orion、Xverse、Mixtral-8x7B、Zephyr、Mistral、Baichuan2、Llma2、Llama、Qwen、Baichuan、ChatGLM2、InternLM、Ziya2、Vicuna、Bloom等大模型

This is the repo for the survey of LLM4IR.

深度学习经典、新论文逐段精读

使用peft库，对chatGLM-6B/chatGLM2-6B实现4bit的QLoRA高效微调，并做lora model和base model的merge及4bit的量化（quantize）。

基于ChatGLM-6B、ChatGLM2-6B、ChatGLM3-6B模型，进行下游具体任务微调，涉及Freeze、Lora、P-tuning、全参微调等

This repo was a simple way to implement Lora to fine-tuning ChatGLM2.这个项目是用LORA微调chatglm2的简单实现。

CCL2019，“小牛杯”中文幽默计算任务的数据集及baseline

MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

WebGLM: An Efficient Web-enhanced Question Answering System (KDD 2023)

Pytorch-Named-Entity-Recognition-with-BERT

An open source implementation of CLIP.

大规模中文自然语言处理语料 Large Scale Chinese Corpus for NLP

非常全的古诗词数据，收录了从先秦到现代的共计85万余首古诗词。

The most comprehensive database of Chinese poetry 🧶最全中华古诗词数据库, 唐宋两朝近一万四千古诗人, 接近5.5万首唐诗加26万宋诗. 两宋时期1564位词人，21050首词。

GPT2 finetuned on Chinese Lyric Dataset.

PromptCLUE, 全中文任务支持零样本学习模型

Neo4j+springboot+vue+d3.js知识图谱构建和可视化

电影知识图谱，主要包括实体识别、实体查询、关系查询以及智能问答等。movie knowledge graph(Entity identification, graph display, and intelligent question and answer)

整理知识图谱相关学习资料

2020智源-京东多模态对话（JDDC2020）第三名解决方案分享

快速下载中文数据集，处理数据集，数据分析、可视化分析，一站式解决数据问题

Your personal ChatBot

2018-JDDC大赛第4名的解决方案

JDDC 2019 并列亚军（第三名）“网数ICT小分队”的检索模型部分

NLP models and codes for BAAI-JD joint project.

💊 智能客服、聊天机器人的应用算法